¿Se puede automatizar la creatividad?

Algoritmos informáticos han comenzado a escribir relatos, componer música y seleccionar éxitos

En 2004, el neozelandés Ben Novak era un tipo con un par de guitarras y el lejano sueño de convertirse en una estrella del pop. Un año más tarde, una de las canciones de Novak, Turn Your Car Around, había invadido las estaciones de radio de Europa, convirtiéndose en un éxito en el top 10.

Novak tuvo que vencer las probabilidades para ser descubierto. El proceso que usan los sellos discográficos para encontrar nuevos talentos (A & R, por «artistas y repertorio») es inconstante y difícil de explicar; rara vez admite desconocidos como él. Así que Novak se metió en el negocio de la música a través de una puerta trasera que no había sido abierta por un ser humano, sino por un algoritmo encargado de encontrar canciones exitosas.

VIDEO: ESPERE UN MOMENTO MIENTRAS SE CARGA

Es ampliamente aceptado que la creatividad no puede ser copiada por las máquinas. Para reforzar estas suposiciones hay cientos de libros y estudios que han tratado de explicar la creatividad como un producto de procesos misteriosos que se producen en el lado derecho del cerebro humano. La creatividad, se ha pensado siempre, demuestra hasta qué punto las personas son diferentes de las CPU.

Pero ahora estamos aprendiendo que, para algunos trabajos creativos, simplemente no es verdad. Complejos algoritmos están ingresando a los campos creativos —incluso aquellos tan borrosos como el A&R del mundo de la música— y demostrando que en algunas de estas actividades pueden desplazar a los seres humanos.

El algoritmo que lanzó a Novak a su carrera musical pertenece a la empresa Music X-Ray, cuyo fundador, Mike McCready, ha pasado los últimos 10 años desarrollando tecnología para la detección de «ganchos» musicales destinados a las listas de éxitos. Cuando Novak presentó una canción al dispositivo de McCready a través de la Web, clasificó a la par con éxitos clásicos como I’ve Got a Feeling y Born to Be Wild (Nacido para ser salvaje), de Steppenwolf .

Los algoritmos de Music X-Ray utilizan las transformadas de Fourier —un método para separar una señal dentro del «ruido» de unos datos complejos— para aislar la melodía base de una canción, el ritmo, tempo, tono, octava, acordes, la progresión, la brillantez sonora, y varios otros factores que capturan el oído del oyente. Entonces, el programa construye modelos en tres dimensiones de la canción sobre la base de estas propiedades y la compara con los éxitos del pasado. Poner una canción recién analizada en la pantalla con pistas número uno del pasado muestra una especie de estructura de nube rellena con puntos que representan las canciones. Los éxitos tienden a juntarse en grupos, que revelan estructuras subyacentes similares. Si uno se aproxima a la mitad de uno de esos grupos es posible que se tenga una canción exitosa.

El sitio web y el software de McCready han conectado a más de 5.000 artistas con ofertas de grabación, y después de un largo período de rechazar a McCreary, la industria está usando regularmente a Music X-Ray para encontrar nuevos artistas. «Por fin estoy haciendo amigos en la industria discográfica», dice McCreary.

La música se presta naturalmente a ser analizada por algoritmos… hay matemáticas mezcladas en cada acorde, ritmo y armonía que escuchamos. Pero, ¿pueden los programadores de computadoras lograr algo tan subjetivo como la clasificación de documentos en inglés?

Sí. A principios de este año, la Fundación William and Flora Hewlett patrocinó una competencia de 100.000 dólares para que los programadores invitados crearan el mejor bot clasificador de ensayos que fuese posible. El objetivo final: un algoritmo que se acercara lo más posible a las notas puestas a los alumnos por los evaluadores humanos más competentes. La mejor de las 159 presentaciones hizo exactamente eso, produjo puntuaciones casi idénticas a las que habían sido puestas por un grupo de seres humanos. Esta herramienta podría mejorar la productividad de los profesores que tienen que sudar tinta revisando cientos de ensayos de estudiantes. También reintroducir los ensayos a un conjunto más amplio de pruebas estandarizadas, que han sido dominadas por las preguntas de opción múltiple que pueden calificadas por las máquinas.

Los algoritmos no sólo harán el trabajo que requiere un ojo crítico. También van a crear. Narrative Science, una empresa en Evanston, Illinois, cuyos fundadores son profesores de periodismo y ciencias de la computación de la Universidad Northwestern, ha creado un conjunto de algoritmos que toman los relatos de eventos deportivos y producen informes de buen estilo y gramaticalmente correctos. El Big Ten Network utiliza la tecnología para producir historias un minuto después de que ha terminado un juego. Un artículo debidamente elaborado por los bot un segundo después de un partido de fútbol de Illinois-Indiana comienza así: «Nathan Scheelhaase threw for 211 yards and three touchdowns and rushed for 95 yards and one touchdown, leading No. 16 Illinois to a 41-20 victory over Indiana on Saturday at Memorial Stadium. Illinois’ (6-0) offense dominated, ripping off huge chunks of yardage.» («Nathan Scheelhaase lanzó a 211 yardas y tres toques, y corrió 95 yardas y un toque, dándole al N º 16 de Illinois una victoria de 41-20 sobre Indiana el sábado en el Memorial Stadium. La ofensiva de Illinois (6-0) dominó, arrancando grandes tramos de yardas.» Bien, para evaluarlo habría que saber un poco más de Béisbol… en Argentina no sabemos nada de esto…).

Los bots aún no pueden escribir una prosa digna de ganar premios, pero en algunos indicadores de importancia económica para los editores —como la cantidad de páginas vistas que registra un sitio— los robots pueden ser mucho más productivos que cualquier periodista. Se pueden escribir los artículos en cuestión de segundos, incluso sobre eventos a los que ningún periodista asistió.

Así que ¿hasta qué punto los algoritmos producirán algo realmente creativo, como el arte? David Cope, profesor emérito de la Universidad de California en Santa Cruz, cree que ya casi llegamos a esto. Cope ha ido tejiendo miles de líneas de código LISP en algoritmos de creación de música desde hace 30 años. Si bien sus primeros algoritmos produjeron una cruda música, no apta para la ejecución ante el público, los más nuevos han compuesto consistentemente música clásica que imita a maestros como Johann Sebastian Bach… tan bien que la gente no siempre se puede notar la diferencia.

Cope alimenta música a sus algoritmos de aprendizaje automático, que crean nuevas composiciones haciendo cambios y creando sobre la base de patrones que encuentra en la música actual. Algunos podrían llamar a esto un simple plagio. Pero Cope afirma que lo que los grandes músicos y compositores han hecho siempre es crear sobre el pasado. Esto, insiste, es la creatividad.

El último algoritmo de Cope, que él ha llamado Annie, lleva la creatividad programada un paso más allá. Ella decide sobre los patrones musicales, los criterios, y en última instancia, el camino que toma para hacer música. «Lo realmente interesante es que a veces no tengo ni idea de lo que va a hacer», dice Cope. «Ella me sorprende más que nadie».

Fuente: Technology Review. Aportado por Eduardo J. Carletti

Más información: